瑜伽常識(shí) /MANUAL
谷歌IO開發(fā)者大會(huì)集合貼:足足喊了120次AI 實(shí)時(shí)交互、視頻模型登場
谷歌IO開發(fā)者大會(huì)集合貼:足足喊了120次AI 實(shí)時(shí)交互、視頻模型登場【谷歌I/O開發(fā)者大會(huì)集合貼:足足喊了120次AI 實(shí)時(shí)交互、視頻模型登場】從北京時(shí)間周三凌晨1點(diǎn)開始,谷歌在山景城總部附近的海岸線圓形劇場,召開了長達(dá)兩個(gè)小時(shí)的年度I/O開發(fā)者大會(huì)Keynote演講。與預(yù)期一致,谷歌的這場發(fā)布會(huì)基本都是在談AI、AI、AI、AI和AI。根據(jù)發(fā)布會(huì)最后的官方統(tǒng)計(jì),整場Keynote的演講稿里總共提了120次AI。而且這只統(tǒng)計(jì)了講稿,實(shí)際上的數(shù)量還會(huì)更多一些。對(duì)于一些需要快速響應(yīng)的場景,谷歌也推出了Gemini 1.5 Flash模型。今年2月剛剛問世的Gemma開源模型,也將在下個(gè)月迎來參數(shù)量更大的Gemma 2。在多模態(tài)領(lǐng)域,谷歌也發(fā)布了文生圖工具Imagen 3、與Youtube&音樂家合作的“AI音樂沙盒”,以及最新的視頻生成模型Veo。而多模態(tài)Gemini Nano模型也將在今年晚些時(shí)候登陸Pixel手機(jī),這是在本地運(yùn)行的機(jī)載模型。
從北京時(shí)間周三凌晨1點(diǎn)開始,谷歌在山景城總部附近的海岸線圓形劇場,召開了長達(dá)兩個(gè)小時(shí)的年度I/O開發(fā)者大會(huì)Keynote演講。
與預(yù)期一致,谷歌的這場發(fā)布會(huì)基本都是在談AI、AI、AI、AI和AI。根據(jù)發(fā)布會(huì)最后的官方統(tǒng)計(jì),整場Keynote的演講稿里總共提了120次AI。而且這只統(tǒng)計(jì)了講稿,實(shí)際上的數(shù)量還會(huì)更多一些。
在一大堆更新和新發(fā)布的功能中,也有許多具有記憶點(diǎn)的產(chǎn)品。例如從本周開始,谷歌搜索引擎將在美國推出“AI概覽”(AI Overviews)的功能,搜索引擎會(huì)直接歸納總結(jié)搜索結(jié)果。同時(shí)谷歌搜索也將具備多步驟推理能力,可以一次性處理帶有多個(gè)限制條件的長問題,并支持“拍視頻”搜索解決方案的新搜索形式。
另外以上下文窗口“長”聞名的Gemini 1.5 Pro大模型,在今年晚些時(shí)候?qū)?huì)把100萬Tokens的窗口,進(jìn)一步擴(kuò)大至200萬Tokens,拓展同步處理多模態(tài)信息的邊界。而對(duì)于一些需要快速響應(yīng)的場景,谷歌也推出了Gemini 1.5 Flash模型。今年2月剛剛問世的Gemma開源模型,也將在下個(gè)月迎來參數(shù)量更大的Gemma 2。在多模態(tài)領(lǐng)域,谷歌也發(fā)布了文生圖工具Imagen 3、與Youtube&音樂家合作的“AI音樂沙盒”,以及最新的視頻生成模型Veo。而多模態(tài)Gemini Nano模型也將在今年晚些時(shí)候登陸Pixel手機(jī),這是在本地運(yùn)行的機(jī)載模型。
值得一提的是,谷歌的發(fā)布會(huì)上也有一些與昨日OpenAI發(fā)布會(huì)“雷同”的地方——實(shí)時(shí)AI助手。從今年夏天開始,Gemini也將支持語音實(shí)時(shí)交互,同時(shí)今年晚些時(shí)候還將上線實(shí)時(shí)視頻交互。未來幾個(gè)月內(nèi)愛游戲(ayx)中國官方網(wǎng)站,谷歌也將推出類似于GPTs的自定義AI助手功能,叫做Gems,能夠與整套“谷歌全家桶”聯(lián)動(dòng)。
硬件方面,谷歌宣布了第六代TPU芯片Trillium,并透露能夠在明年初用上英偉達(dá)最新的Blackwell架構(gòu)GPU。另外,液冷、光纜等中國股民可能會(huì)感興趣的題材也在發(fā)布會(huì)上出現(xiàn)。
皮查伊表示,現(xiàn)在已經(jīng)有超過150萬開發(fā)者正在使用谷歌的人工智能Gemini,今天將展示一系列有關(guān)搜索、圖片、工作套件、安卓系統(tǒng)等等與有關(guān)的案例。
皮查伊宣布,能夠總結(jié)谷歌搜索引擎結(jié)果的“AI概覽”(AI Overviews)功能,將于本周在美國推出。
基于Gemini支持,谷歌圖片(Google Photos)將支持用戶存儲(chǔ)圖片的AI搜索,例如“告訴我,我的車牌號(hào)碼是多少?”——這個(gè)名為Ask Photos的功能將于今年夏天推出。
皮查伊宣布,最新版本的Gemini 1.5 Pro(在多項(xiàng)核心功能方面均較最初發(fā)布版本有所提高)現(xiàn)在向全球所有開發(fā)者開放。從今天開始,支持100萬tokens上下文窗口的Gemini 1.5 Pro將在Gemini Advanced功能下向用戶開放,支持35種語言。
谷歌同時(shí)面向開發(fā)者推出支持200萬tokens的Gemini 1.5 Pro模型的預(yù)覽,并表示最終的目標(biāo)將是“無限上下文”。
谷歌AI業(yè)務(wù)總負(fù)責(zé)人、DeepMind的首席執(zhí)行官杰米斯·哈薩比斯登臺(tái),宣布推出Gemini 1.5 Flash大模型。這個(gè)模型兼具速度與效率,和多模態(tài)推理能力,以及長達(dá)100萬tokens的上下文窗口。開發(fā)者將能夠申請(qǐng)?bào)w驗(yàn)200萬tokens的上下文窗口的Gemini 1.5 Flash。
谷歌展示“未來的助手”——名為“Astra”的項(xiàng)目。哈薩比斯表示,這樣的AI助手需要像人類一樣理解這個(gè)動(dòng)態(tài)且復(fù)雜的世界。需要記得住它看到的東西,這樣才能理解對(duì)話并付諸于行動(dòng)。同時(shí)它也得能積極主動(dòng)接受教導(dǎo),以及自然、無延遲地進(jìn)行交流。在演示視頻中,谷歌的AI助手能夠通過攝像頭視頻,識(shí)別“什么東西能發(fā)出聲音”、“現(xiàn)在身處何地”等指令。
谷歌宣布了一系列與圖像、音樂、視頻有關(guān)的生成式AI工具。包括文生圖工具Imagen 3、與Youtube以及音樂家合作的“AI音樂沙盒”,以及最新的視頻生成模型Veo。
其中最受關(guān)注的視頻生成模型Veo,能夠根據(jù)文字、圖片和視頻的提示,生成高質(zhì)量1080p視頻。
哈薩比斯離場,皮查伊重回舞臺(tái),發(fā)布第六代TPU芯片Trillium,較上一代芯片的算力表現(xiàn)翻4.7倍,云用戶從今年下半年開始可以用上新芯片。同時(shí)谷歌云將在2025年初,用上的最新Blackwell架構(gòu)GPU。
皮查伊開始介紹自家的AI超級(jí)計(jì)算機(jī),比起用戶自己買相同的硬件和芯片,谷歌的架構(gòu)能使得效能翻倍,其中有部分功勞來自于液冷系統(tǒng)。皮查伊表示,谷歌部署液冷系統(tǒng)的數(shù)據(jù)中心已經(jīng)達(dá)到1GW,而且還在不斷增長中。
谷歌搜索業(yè)務(wù)負(fù)責(zé)人Liz Reid開始具體介紹AI Overviews功能。Reid表示,在進(jìn)行搜索時(shí),搜素引擎具備多步驟推理的能力,例如尋找一個(gè)瑜伽教室,同時(shí)展示新手優(yōu)惠報(bào)價(jià),和距離特定位置的步行時(shí)間。這個(gè)AI搜索引擎助手,還能介紹食譜、安排行程,以及接受視頻形式的提問(例如視頻中的相機(jī)怎么使用)。
谷歌Gemini總經(jīng)理Sissie Hsiao介紹了Gemini App的更新。與周一的OpenAI一樣,從今年夏天開始,Gemini也將支持語音實(shí)時(shí)交互,同時(shí)今年晚些時(shí)候還將上線實(shí)時(shí)視頻交互功能。未來幾個(gè)月內(nèi),谷歌也將推出類似于GPTs的自定義AI助手功能,叫做Gems。這個(gè)AI助手的亮點(diǎn),將是能與“谷歌全家桶”進(jìn)行交互。
Hsiao再次強(qiáng)調(diào)了Gemini的長上下文窗口——能夠一次性處理整整1500頁的文件,或3萬行代碼、1小時(shí)視頻。不同的載體也能混同一起提交給聊天機(jī)器人。她再次強(qiáng)調(diào),今年晚些時(shí)候上下文窗口將翻倍至200萬Tokens。
安卓生態(tài)系統(tǒng)的負(fù)責(zé)人Sameer Samat登臺(tái),他將討論今年安卓系統(tǒng)實(shí)現(xiàn)的“三大突破”,分別是“畫圈圈搜索”、Gemini手機(jī)AI助手,第三是在手機(jī)本地運(yùn)行的AI。
谷歌表示,今年晚些時(shí)候,能夠在本地運(yùn)行的多模態(tài)Gemini Nano模型將登陸Pixel手機(jī),意味著手機(jī)將能通過文字、圖片、視頻、音頻,理解用戶的世界。舉例而言,在聽到“幫你把錢轉(zhuǎn)到安全賬戶”這樣的電話時(shí),手機(jī)會(huì)自動(dòng)彈出警告。整個(gè)過程都是在本地運(yùn)行,不會(huì)引發(fā)隱私泄露。
對(duì)于在今年二月剛剛推出的輕量級(jí)開源模型Gemma,谷歌宣布推出視頻語言模型PaliGemma,并將會(huì)在6月推出Gemma 2。相較于第一代模型只有20億和70億的參數(shù)量,第二源Gemma的參數(shù)量能達(dá)到270億。
作為發(fā)布會(huì)最后的彩蛋,谷歌CEO皮查伊最后用Gemini總結(jié)了今天的發(fā)布會(huì)稿子里總共提了多少次AI——120次。當(dāng)然,這并不包括皮查伊問完這個(gè)問題后,又喚了幾遍AI。